Docker

Docker는 컨테이너라는 패키지로 소프트웨어를 제공하기 위해 OS 수준 가상화를 사용하여 애플리케이션의 배포, 확장 및 관리를 자동화하는 오픈 소스 플랫폼입니다. 머신 러닝(ML) 엔지니어와 데이터 과학자에게 Docker는 환경 불일치라는 일반적인 문제, 즉 악명 높은 "내 컴퓨터에서는 작동한다" 문제를 해결하는 데 중요한 도구입니다. Docker는 애플리케이션의 코드를 실행하는 데 필요한 모든 라이브러리, PyTorch와 같은 프레임워크 및 기타 종속성과 함께 번들링하여 모델이 배포 위치에 관계없이 동일하게 수행되도록 합니다. 이러한 일관성은 안정적인 모델 배포에 기본적이며 현대적인 MLOps 사례의 초석입니다. Ultralytics는 사용자가 애플리케이션 컨테이너화를 시작하는 데 도움이 되는 Docker 빠른 시작 가이드를 제공합니다.

Docker 작동 방식

Docker의 워크플로는 애플리케이션을 패키징하고 실행하기 위해 함께 작동하는 몇 가지 핵심 구성 요소를 중심으로 이루어집니다.

• Dockerfile: 이는 순차적 명령 또는 지침 목록이 포함된 간단한 텍스트 파일입니다. 이러한 지침은 Docker에게 특정 Docker 이미지를 빌드하는 방법을 알려줍니다. ML 프로젝트의 경우 Dockerfile은 기본 운영 체제, Python 및 OpenCV와 같은 종속성을 설치하는 명령, 모델 파일 및 추론 코드 복사, 컨테이너가 시작될 때 실행할 명령을 지정합니다. Dockerfile에 대한 자세한 내용은 공식 Docker 문서에서 확인할 수 있습니다.
• Docker 이미지: 이미지는 코드, 런타임, 라이브러리, 환경 변수 및 구성 파일을 포함하여 소프트웨어를 실행하는 데 필요한 모든 것을 포함하는 경량의 독립 실행형 실행 가능 패키지입니다. Dockerfile에서 생성된 읽기 전용 템플릿입니다. ML 관련 이미지는 GPU 드라이버 및 ML 프레임워크가 미리 구성되어 제공되는 NVIDIA NGC와 같은 레지스트리에서 자주 사용할 수 있습니다.
• Docker 컨테이너: 컨테이너는 Docker 이미지의 실행 가능한 인스턴스입니다. 이미지를 실행하면 컨테이너가 되며, 이는 호스트 머신의 커널에서 실행되는 격리된 프로세스입니다. 여러 컨테이너가 동일한 머신에서 실행될 수 있으며 OS 커널을 다른 컨테이너와 공유하며 각 컨테이너는 사용자 공간에서 격리된 프로세스로 실행됩니다. 따라서 기존 가상화에 비해 매우 효율적입니다. 이 기술은 OCI(Open Container Initiative)와 같은 조직에서 표준화되었습니다.

실제 AI/ML 애플리케이션

Docker는 실험에서 프로덕션에 이르기까지 AI 모델의 전체 수명 주기를 단순화합니다.

1. 엣지에 컴퓨터 비전 모델 배포: 객체 감지를 위해 학습된 Ultralytics YOLO11 모델을 Docker 컨테이너로 패키징할 수 있습니다. 이 컨테이너에는 모델 가중치, 추론 스크립트 및 특정 CUDA 라이브러리 버전과 같은 필요한 모든 종속성이 포함됩니다. 그런 다음 이 단일 컨테이너를 강력한 클라우드 GPU에서 NVIDIA Jetson과 같은 리소스가 제한된 Edge AI 장치에 이르기까지 다양한 플랫폼에 일관되게 배포할 수 있습니다. 이를 통해 모델이 예상대로 작동하도록 보장하며, 이는 스마트 감시와 같은 애플리케이션에서 실시간 추론을 위한 중요한 요구 사항입니다.
2. 재현 가능한 연구 환경 생성: 이미지 분할을 위한 새로운 알고리즘을 개발하는 데이터 과학자는 특정 버전의 Python, TensorFlow 및 기타 라이브러리를 고정하는 Docker 컨테이너를 만들 수 있습니다. 이 컨테이너화된 환경은 공동 작업자와 공유하거나 연구 논문과 함께 게시하여 다른 사람들이 학습 환경을 완벽하게 복제하고 결과를 확인할 수 있도록 합니다. Ultralytics HUB와 같은 플랫폼은 컨테이너 기술과 통합되어 이 프로세스를 더욱 간소화합니다.

유사한 용어와의 비교

Docker는 컨테이너화의 중심이지만 다른 기술과 함께 사용되는 경우가 많습니다.

• 컨테이너화: 이는 소프트웨어를 컨테이너로 패키징하는 일반적인 개념입니다. Docker는 컨테이너를 빌드, 배송 및 실행하는 도구를 제공하는 가장 인기 있는 컨테이너화 플랫폼입니다.
• Kubernetes: Docker는 단일 호스트에서 개별 컨테이너를 관리하는 반면, Kubernetes는 컨테이너 오케스트레이션 플랫폼입니다. 이는 시스템 클러스터에서 컨테이너화된 애플리케이션의 배포, 확장 및 관리를 자동화합니다. Docker를 운송 컨테이너를 만드는 것으로 생각하고 Kubernetes를 선박과 항구를 관리하는 시스템으로 생각하십시오. 자세한 내용은 공식 Kubernetes 웹사이트에서 확인할 수 있습니다.
• 가상 머신(VM): VM은 게스트 OS를 포함한 전체 하드웨어 시스템을 에뮬레이트하여 격리를 제공합니다. Docker에서 관리하는 컨테이너는 호스트 커널을 공유하는 OS를 가상화합니다. 따라서 컨테이너는 VM보다 훨씬 가볍고 빠르며 리소스 효율적이지만 VM은 더 강력한 격리를 제공합니다. Docker 공식 웹사이트에서 훌륭한 비교를 제공합니다.

Docker를 활용함으로써 AI 및 컴퓨터 비전(CV) 전문가들은 워크플로우 효율성, 협업 및 배포된 모델의 안정성을 크게 향상시킬 수 있습니다. Docker의 목적에 대한 일반적인 개요는 OpenSource.com의 Docker 설명과 같은 리소스에서 쉽게 소개합니다. 이 기술은 광범위한 모델 배포 옵션을 위한 핵심 지원 요소입니다.